Com informações do Zhejiang Lab - 04/11/2022
[Imagem: Pete Linforth/Pixabay]
Computação Inteligente
"As máquinas podem pensar?" Essa questão, que marcou época, foi levantada pela primeira vez por Alan Turing, em 1950, em seu artigo inovador "Maquinaria Computacional e Inteligência".
Isso não apenas inaugurou o campo da inteligência artificial (IA), como despertou a curiosidade das pessoas em uma época em que ainda não se ouvia sequer falar sobre computação.
À medida que a informática se tornou onipresente, a sociedade humana entrou em uma nova era, profundamente integrada na rede da computação universal. Por meio da integração da inteligência de máquina, dos dados e das metodologias de computação, descobertas científicas significativas e aplicativos baseados em computação inteligente surgiram em muitas áreas importantes.
Mas cada passo à frente traz seus próprios desafios e, diante da crescente demanda por computação e dos seus avanços, uma série de problemas desafiadores precisam ser resolvidos.
Desafios da computação
A velocidade computacional está sendo limitada pela arquitetura tradicional de von Neumann, os métodos computacionais estão sendo desafiados pelos megadados, a potência computacional está limitada pelo consumo de energia e o uso de recursos computacionais está limitado pelo acesso à tecnologia.
Ou seja, mesmo que tenhamos avançado muito, muitas questões ainda precisam ser exploradas e resolvidas, buscando soluções sustentáveis para o futuro.
E, se quisermos boas respostas, então precisamos fazer as perguntas certas. Desde Maio deste ano, o Laboratório de Ciência de Zhejiang, na China, tem ouvido especialistas do mundo inteiro sobre as questões científicas fundamentais, em busca de um roteiro para guiar as pesquisas sobre a computação inteligente. Após uma série de análises, pré-seleção e avaliação, 10 questões consideradas mais profundas e desafiadoras foram apresentadas por um painel de especialistas de todo o mundo.
[Imagem: Murat Onen/Ella Maru Studio]
1. Como definimos inteligência e estabelecemos a estrutura de avaliação e padronização para computação inteligente?
Em termos gerais, a inteligência é a capacidade de analisar e responder adequadamente às questões (dados). Muitos dizem que um sistema verdadeiramente inteligente deve ser capaz de se adaptar ao seu ambiente - aprender, raciocinar e evoluir. No entanto, como podemos saber se um determinado sistema cumpre esses requisitos?
2. Existe uma teoria unificada para a computação analógica?
A computação analógica usa um hardware que mede sinais contínuos, como tensão elétrica ou intensidade de luz, e não sinais discretos, como na computação digital. Isso tem como vantagens um baixo consumo de energia e uma alta eficiência computacional na resolução de problemas específicos.
Depois de perder o bonde para a computação digital, a computação analógica tem passado por um ressurgimento devido à sua capacidade de imitar componentes de redes biológicas, como sinapses e neurônios, viabilizando a computação neuromórfica. Mas o campo ainda aguarda um modelo teórico unificado, para ajudar a promover sua padronização e aplicação em larga escala.
[Imagem: Danqing Wang]
3. De onde virão as principais inovações em computação, e será que a computação quântica se aproximará do poder computacional do cérebro humano?
Os computadores quânticos funcionam de modo diferente dos computadores de uso geral. Eles ainda estão no início do processo de desenvolvimento e atualmente são usados principalmente para atividades massivas de processamento de números, como criptografia, e para simular processos quânticos. Se algum dia eles serão capazes de simular a computação cognitiva e até a capacidade emotiva do cérebro humano é uma questão de pesquisa ativa, mas longe de fornecer respostas definitivas.
4. Que novos componentes (transistores, arquitetura de chips) e paradigmas de hardware (fotônica, spintrônica, biomoléculas, nanotubos de carbono) vão vingar?
Esses e outros componentes já existem, ou estão sendo pesquisados ativamente, em escala nanométrica, e é provável que possam ser escalonados. A chave é torná-los melhores e fazer melhor uso deles. Por exemplo, existem muitos componentes que são essencialmente resistores, mas que podem ser programados em níveis, e esses níveis são memorizados e transferidos - são os chamados memoristores, os componentes da computação que imita o cérebro.
Uma variedade de tecnologias - eletrônicas, fotônicas, etc. - podem apresentar um comportamento muito semelhante, podendo ser fabricados para funcionar de modo muito parecido como as sinapses no cérebro, em que os sinais pode ser transferidos, amplificados ou reduzidos, e as excitações são integradas para construir ondas sinápticas, que serão a base de circuitos universais.
Qual será a base do hardware com que isto será feito é uma questão em aberto.
[Imagem: LANL]
